【材料】人工智能加速新型二维铁磁功能材料研发学术资讯

来源：X一MOL资讯

二维铁磁材料由于其原子层厚度和可控的电子-自旋自由度，已成为下一代自旋电子器件制造的研究热点。如何突破传统的材料研发模式的桎梏来加速二维本征铁磁材料的研发对于二维磁性的研究至关重要。近日，东南大学的王金兰团队通过将人工智能技术和高通量第一性原理计算相结合，提出了一种新型二维铁磁功能材料设计的新策略。
传统的铁磁材料研发基于试错法，效率低且成本高昂，尤其是面对成千上万种候选材料时，这种方法更是捉襟见肘。与常规计算模拟的方法不同，人工智能中的机器学习技术主要依靠计算机从已有的数据中进行学习，绕过了复杂的量子力学，因此可以极大加速材料研发过程。然而受制于高质量二维磁性材料数据的匮乏以及高性能材料描述符的缺失，机器学习技术在二维铁磁材料设计领域的应用依然是一个巨大的挑战。

东南大学王金兰团队借助人工智能技术，结合密度泛函理论和高通量计算材料数据库，搭建了二维铁磁功能材料的智能化设计平台，并针对二维材料复杂性质提出了一种新的材料描述符。这一策略成功地从近4000种二维材料中，快速筛选出了近百种未研究过的二维本征铁磁半导体、半金属和金属。通过第一性原理计算和蒙特卡洛模拟，进一步发现了数十种具有较高居里温度的铁磁材料。值得一提的是，通过设计了一种基于晶体图论和元素基本性质的通用材料描述符，并且结合迭代反馈机制，机器学习模型在热力学稳定性、磁性和能带方面的预测准确率均超过了90%。该描述符采用灵活的层状结构，并且摆脱了原子精确坐标的制约，从而为机器学习设计其他新型二维功能材料提供了一种可行的方案。此外，一个包含了近1500种二维磁性材料的材料数据库被建立起来，为二维磁性的理论和实验研究提供了丰富的候选材料。

这项工作突破了机器学习技术在新型二维铁磁功能材料设计领域的瓶颈，为解决二维磁性材料，特别是铁磁半导体和半金属的短缺问题提供了一个极具潜力的策略。构建的材料智能化设计平台，将极大地加速其他二维功能材料的研发进程。
这一成果近期发表在Advanced Materials 上，文章的第一作者是东南大学博士研究生陆帅华和青年教师周跫桦。

来源：X-molNews X一MOL资讯

原文链接：http://mp.weixin.qq.com/s?__biz=MzAwOTExNzg4Nw==&mid=2657643869&idx=3&sn=bea8a236e24a5693043b9e53876e393e&chksm=80f8448db78fcd9bf14d6d7865bdca7cb6999af5e5805749aa93c9372a5f7b409be57bbf7b14&scene=27#wechat_redirect

电话：（010）86409582

邮箱：kejie@scimall.org.cn